O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统制造方法及图纸

本发明专利技术属于无线通信技术领域，具体涉及O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统。其公开了O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统，其特征在于：包括数据采集模块、业务趋势预测模块、业务场景识别模块、智能节能输出模块、节能方案调度执行模块、执行过程监控模块、性能监控模块、节能比例调节模块；所述数据采集模块用于采集工参数据、测绘地图或网络地图、O域性能数据，MR数据、话单业务数据、B域用户套餐数据；所述业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势。

【技术实现步骤摘要】
O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统
本专利技术属于无线通信
，具体涉及O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统。
技术介绍
2020年5G基设累计建设开通超过70万个，各大运营商无线通信网络形成2/3/4/5G多系统共存局面。网络设备的堆叠引起耗电的逐年升高，5G因超密集组网及其特有的大规模阵列有源天线的使用，据测算5G单基站耗电量是传统4G基站的2.5倍，更加提升了电费消耗在运营商支出中的比重，知名专家预计，预测到2025年，通信行业将消耗全球20％的电力，节能降耗、提升网络能效是移动通信行业可持续发展的必经之路。网络运行中，不同基站的业务负荷有所不同，相同基站一天中不同时段负荷也有所不同，呈现波峰波谷变化，如果能够在不影响网络运行质量情况下，提前预测并关闭基站业务闲时部分资源或全部资源，整个移动通信系统全年节约的电能将相当可观。目前，基站通过较为固定的某个或某几个时段多种节能方式实现节约能耗。现有的基站节能方案，大部分通过对历史n*24小时段时间内按小时业务负荷数据进行线性统计构建小区静态潮汐特征库，如：统计一段时间内某个小时X天满足高负荷或者Y天满足低负荷，则将不同小区时段标注成高低业务特征库，然后根据状态值连续性提取出节能时段的固定开始点和结束点。当达到节电起始时刻，则基站开启所有节电功能模式，并未对最优节能模式做出选择；当达到节电终止时刻，则终止节电模式，将节电开启的节能模式功能全部关闭。以上节能方法，具有节电实时性好的特点。但是有3个较为明显的缺点：第一、基站覆盖场景识别不明显，严重依赖运营商的基站工参数据中的覆盖场景，不能通过B域用户签约数据和核心网话单业务数据精准区分其业务场景；第二、缺乏预测性，具体表现为构建小区特征库，仅根据历史n天中同一时段大于一定天数时就归集一类小区，对小区未来业务波动预测不足；第三、基站特征库确定后，节能模式未能实现分级管理，即全天24小时时段内，未能精准使用节能模式，无法实现节电量的最大化。因每个基站的覆盖场景差异，业务量受到的周边环境影响不同，无法较为准确预判每个时段的情况，从而配置较为固定的节能时间段，当周边环境发生变化或者特殊日期场景、重大节假日场景，业务模型产生变化，就会出现节电时段与实际的业务量不匹配，导致节电效果变差，甚至会出现严重影响用户的网络质量。
技术实现思路
针对上述
技术介绍
所提出的问题，本专利技术的目的是：旨在提供O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统。为实现上述技术目的，本专利技术采用的技术方案如下：O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统，其特征在于：包括数据采集模块、业务趋势预测模块、业务场景识别模块、智能节能输出模块、节能方案调度执行模块、执行过程监控模块、性能监控模块、节能比例调节模块；所述数据采集模块用于采集工参数据、测绘地图或网络地图、O域性能数据，MR数据、话单业务数据、B域用户套餐数据；所述业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势。一种O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统的方法，包括以下步骤：S1：通过数据采集模块采集工参数据、测绘地图或网络地图，O域性能数据，MR数据，话单业务数据，B域用户套餐数据；S2：业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势；S3：业务场景识别模块通过基站工参及地图图层关联联合，得到典型覆盖特征基站库，通过MR覆盖关联度识别剩余基站覆盖场景，用户套餐及业务数据而成修改完成识别；S4：智能节能输出模块综合策略的网络影响及节点效果，构建6级节能策略、学校得到分级阀值，并通过覆盖场景、用户价值得到旋转实施策略；S5：节能方案调度执行模块对节能任务调度及自动下发执行；S6：通过执行过程监控模块和性能监控模块执行监控，并建立场景分级节能策略模型，通过节能比例调节模块人工干预节能任务，并将策略模型经验回填调优小区属性及策略；作为本专利技术发一种优选方案，所述S3的具体操作步骤为，S301：通过爬取地图图层(网络地图或者测绘图层)中覆盖典型地标的区域经纬度集，构建算法判断出基站工参信息中在位于典型覆盖区域内的第一批站点，打上其覆盖场景标签，构建出典型覆盖场景特征基站库；S302：将S301中已标注地标区域内基站的覆盖标签，进一步对地标区域周边基站的覆盖场景进行判断，完成基站覆盖归集；S303：在S302中已关联出剩余基站与典型覆盖场景基站的MR相关度，按照MR相关度大小排序，得出剩余基站的覆盖场景；引入核心网话单中基站或小区的业务类型，如基站下高比例为视频业务；B域用户套餐数据，如：基站下存在高等级VIP用户。评估基站或小区的用户价值性，对基站的覆盖和业务场景二次修正，识别出基站的业务场景，管理可纳入节能预测的基站。作为本专利技术发一种优选方案，所述S302中对地标区域周边基站的覆盖场景进行判断采用周边基站MR相关度与第一批典型覆盖特征库中基站的同覆盖性进行判断；其判断方法为：相邻基站A和B，若A为典型覆盖特征库中基站、B为其周边基站，在MR的邻区覆盖信息采集中，获取A在作为B邻区时或者B在作为A邻区时的MR中的RSRP大于Y值的采样点数量，也可计算出A在作为B邻区时或者B在作为A邻区时该类采样点占所有邻区总MR采样点的比例，得出某个基站与多个典型业务覆盖场景基站一系列的MR相关度；计算公式如下：其中邻区数量n,邻区电平门限Y可以根据实际进行配置调整。作为本专利技术发一种优选方案，所述S5的具体操作为：S501a:配置一套节能分级管理策略参数初始值，并设定不同业务场景和节能模式的区间范围，初始值及区间最大最小值均可配置；S502a:按照固定步长，对节能策略中的阈值，先由初始值从小到大学习，评估每一组节能策略的节能效果和网络性能效果变化，对节能效果及网络性能设置一定权重比例；S503a：学习过程中，当连续3个步长阈值，节能效果和网络性能评估出现下降，则终止向上阈值学习，进入S504a；S504a:继续按照固定步长，对节能策略中的阈值，再次由初始值从小到到进行学习，评估每一组节能策略的节能效果和网络性能效果变化，当连续3个步长阈值，节能效果和网络性能评估出现下降，则终止学习过程；S505a：综合比较不同基站业务场景与节能模式下的节能效果及性能指标影响情况，选择最佳效果下的节能管理策略。作为本专利技术发一种优选方案，所述S6的具体操作为：S601a：基站和小区全天24小时的业务预测结果后，由基站网络类型param1判断使用哪类网络的节能策略，然后根据前面判断的基站业务场景，选择使用那类场景的节能策略，再通过节能开关param2参数，选择可判断使用的节能模式；S本文档来自技高网...

【技术保护点】
1.O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统，其特征在于：包括数据采集模块、业务趋势预测模块、业务场景识别模块、智能节能输出模块、节能方案调度执行模块、执行过程监控模块、性能监控模块、节能比例调节模块；/n所述数据采集模块用于采集工参数据、测绘地图或网络地图、O域性能数据，MR数据、话单业务数据、B域用户套餐数据；/n所述业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势。/n

【技术特征摘要】
1.O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统，其特征在于：包括数据采集模块、业务趋势预测模块、业务场景识别模块、智能节能输出模块、节能方案调度执行模块、执行过程监控模块、性能监控模块、节能比例调节模块；
所述数据采集模块用于采集工参数据、测绘地图或网络地图、O域性能数据，MR数据、话单业务数据、B域用户套餐数据；
所述业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势。


2.一种根据权利要求1所述的O+B域数据+业务场景自适应识别的节能基站选择及节能模式选取系统的方法，其特征在于：包括以下步骤：
S1：通过数据采集模块采集工参数据、测绘地图或网络地图，O域性能数据，MR数据，话单业务数据，B域用户套餐数据；
S2：业务趋势预测模块根据基站利用率、用户数历史信息，使用AI算法模型、智能预测业务趋势；
S3：业务场景识别模块通过基站工参及地图图层关联联合，得到典型覆盖特征基站库，通过MR覆盖关联度识别剩余基站覆盖场景，用户套餐及业务数据而成修改完成识别；
S4：智能节能输出模块综合策略的网络影响及节点效果，构建6级节能策略、学校得到分级阀值，并通过覆盖场景、用户价值得到旋转实施策略；
S5：节能方案调度执行模块对节能任务调度及自动下发执行；
S6：通过执行过程监控模块和性能监控模块执行监控，并建立场景分级节能策略模型，通过节能比例调节模块人工干预节能任务，并将策略模型经验回填调优小区属性及策略；


3.根据权利要求2所述的方法，其特征在于：所述S3的具体操作步骤为，
S301：通过爬取地图图层(网络地图或者测绘图层)中覆盖典型地标的区域经纬度集，构建算法判断出基站工参信息中在位于典型覆盖区域内的第一批站点，打上其覆盖场景标签，构建出典型覆盖场景特征基站库；
S302：将S301中已标注地标区域内基站的覆盖标签，进一步对地标区域周边基站的覆盖场景进行判断，完成基站覆盖归集；
S303：在S302中已关联出剩余基站与典型覆盖场景基站的MR相关度，按照MR相关度大小排序，得出剩余基站的覆盖场景；引入核心网话单中基站或小区的业务类型，如基站下高比例为视频业务；B域用户套餐数据，如：基站下存在高等级VIP用户。评估基站或小区的用户价值性，对基站的覆盖和业务场景二次修正，识别出基站的业务场景，管理可纳入节能预测的基站。


4.根据权利要求3所述的方法，其特征在于：所述S302中对地标区域周边基站的覆盖场景进行判断采用周边基站MR相关度与第一批典型覆盖特征库中基站的同覆盖性进行判断；其判断方法为：
相邻基站A和B，若A为典型覆盖特征库中基站、B为其周...

【专利技术属性】
技术研发人员：王敏，程涛木，王可锋，唐德宏，曹杰，梁伟，
申请(专利权)人：博瑞得科技有限公司，
类型：发明
国别省市：重庆;50